多变量时间序列模型.doc

第7章 多变量时间序列模型 §1 Granger 因果检验 判断一个变量的变化是否是另一个变量变化的原因，是经济计量学中的常见问题。Granger提出一个判断因果关系的一个检验，这就是Granger 因果检验。 一．Granger因果检验的思想 如果x影响y，或者x是y的原因，此时x的变化必然先于y的变化，此时就须满足两个条件： 1）x可以预测y，即根据y的过去值对y进行回归时，如果加上x的过去值，能显著增强回归的解释能力。 2）不能根据y预测x，因为如果根据x预测y，又能根据y预测x，很可能x和y都是由第三个或其他变量决定。 二．检验步骤 1）首先检验零假设“x不影响y”即x不是y的granger原因。首先根据x和y的滞后值对y回归（无限制回归），然后用y的滞后值对y进行回归（有限制回归）。即： 无限制回归： 有限制回归： 用F检验来判断x是否显著了了无限制回归的解释能力。此时统计量 是有限制回归的残差平方和，使无限制回归的残差平方和。是样本容量，使无限制回归变量的个数。是限制回归模型中的变量个数。 2）检验y不影响x，即x不是y的granger原因。此时调换模型中的变量x和y的位置，利用F统计量来检验。 三．如果一对时间序列是协整的，则至少在某一方面存在granger原因。 §2 伪回归 一．现在考虑非平稳序列回归出现的问题 设是两个无关的随机游走过程， 且，任意的。此时既不影响，也不受的影响。 建立模型 对于这种情况，， 。 利用蒙特卡罗模拟得出结论：对于相互独立的单整序列，且，进行回归时，t统计量显示了比正常检验临界值水平还高。也就是在相互独立的序列进行的实际回归中，经常伴随着高的，并且系数显著。这种现象就称为为回归现象。 二．伪回归的产生原因 1．伪回归现象产生的根本原因就是序列的非平稳性。设是两个无关的随机游走过程，并假设模型为，，此时建立统计推断： 原假设： 此时根据OLS估计，。因为是两个无关的随机游走，则的分子，分母均为一种维纳过程泛函。（参见hendry和秦朵的《动态经济计量学》第三章）。 2．和表示定义在上的两个相互独立的维纳过程，则 ； 于是可以证明： 于是 但在零假设条件下， 此时有两个特点：1）发散。2）分布不是常规的分布。从而利用t统计量不能得到正确的检验。直观地看一下： ，如果，则也是过程非平稳。从而最小二乘估计不可用。 三．伪回归检验 我们利用残差的平稳性检验来判断是否存在伪回归。如果残差非平稳，则是伪回归。 四．伪回归的纠正方法： 1）在回归模型中包含自变量和因变量的一阶滞后变量，即 此时能够消除伪回归。即当和不相关，则和依概率收敛于零。 2）对和先做一阶差分，从而使得和变成平稳过程，建立模型 此时能够消除伪回归。即当和不相关，则依概率收敛于零。 3）Cochrane-Orcutt方法（自相关问题） 如果，这里 则根据广义差分法，建立模型 进行迭代估计，可以证明依概率收敛于零。 五．总结 1）伪回归现象：对于任何两个（或两个以上）不相关的单位根过程，只要样本量足够大，检验他们相关性的统计量一定呈显著性，这就是伪回归现象。 2）回归分析将平稳过程当作非平稳过程来处理是十分危险的。因此回归中必须分清平稳过程和非平稳过程。 3）伪回归的本质问题是变量的非平稳性。 §3 协整 一．定义 1．零阶整：对于n维线性过程，如果，为系数，，则称为零阶整的。 2．1阶整：如果为过程，则n维随机过程称为1阶整的。过程都是非平稳的，但非平稳性可以通过差分消除。这里任何形式为，当时，都是过程， 3．协整：如果为1阶整的，但对于某些线性组合，只要恰当的选择，，变为平稳的，则称为协整，称为协整向量，线性不相关的协整向量数目称为协整的秩。协整向量张成的空间称为协整空间。即表示为。 二．说明 1）协整向量至少有两个非零元素。 2）对于常数，都是协整向量。 3）对于个线性无关的，满秩，则平稳。 三．协整的意义 1．协整可以用来描述某些经济变量水平值间存在稳定的长期关系，也就是某些经济变量之间不能相互分离太远。也就是如果变量不存在协整性，他们可以任意分离。 协整向量可以认为是经济系统中对变量长期行为的限制条件。 2．协整响亮多好还是少好 协整向量多，经济系统就越稳定，即在尽可能多的方向上存在稳定的关系。 协整向量少，经济模型存在唯一的稳定状态均衡，这样能够获得协整向量的精确估计。 四．协整于长期均衡的联系 如果，，，则此时和协整。这里可以测量“系统”的失衡程度，可以称为均衡误差。如果是协整的，，均衡误差具有均值回返特性。如果不是协整的，则，则均衡误差将会出现剧烈波动，不具有均值回返特性。 五．协整和伪回归的关系 对于， ，Philips证明伪回归的长期协方差矩阵非奇异。当时，此时系统残差非平稳，为伪回归。而